[發明專利]一種基于分類預測的能量對齊方法和裝置

有效

• 申請號: 201710919390.6
• 申請日: 2017-09-30
• 公開（公告）號: CN107609712B
• 公開（公告）日: 2021-06-15
• 發明（設計）人: 李新春;肖琿;劉曉龍
• 申請（專利權）人: 新智能源系統控制有限責任公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06K9/62;G06Q50/06
• 代理公司: 北京安信方達知識產權代理有限公司 11262
• 代理人: 李紅爽;龍洪

1.一種基于分類預測的能量對齊方法，其特征在于，所述方法包括：

根據不同的用能特性對能源用戶進行分類；

對分類后獲得的不同類型的能源用戶分別進行負荷預測；

根據所述負荷預測的預測結果分別獲取針對所述不同類型的能源用戶進行供能時的流量延遲時間；

根據所述不同類型的能源用戶對應的所述流量延遲時間對能源供應時總管出口處的能源進行對齊，

所述根據所述負荷預測的預測結果分別獲取針對所述不同類型的能源用戶進行供能時的流量延遲時間包括：預先通過流量延遲時間數學模型和預設算法獲取所述流量延遲時間，

所述預先通過流量延遲時間數學模型和預設算法獲取所述流量延遲時間包括：

建立所述流量延遲時間數學模型；

獲取關于所述流量延遲時間數學模型的多組流量和流量延遲時間數據；

根據預設算法以及所述多組流量和流量延遲時間數據辨識所述流量延遲時間數學模型中的待辨識的模型系數；

將辨識出的各個模型系數分別代入所述流量延遲時間數學模型中獲取與所述不同類型的能源用戶對應的所述總管出口處至任意一個小區入口的流量延遲時間，

獲取關于流量延遲時間數學模型的多組流量和流量延遲時間數據包括：

分別基于相同的干線出口流量以及不同的干線出口流量進行多次實驗模擬，獲取干線出口至任意一個支線入口間的任意一個段的流量、任意一條支線的流量以及當前干線出口流量下干線出口至各個小區入口之間的流量延遲時間，

分別基于相同的干線出口流量以及不同的干線出口流量進行多次實驗模擬包括步驟S1-S5：

S1、保持干線出口流量為定值，改變干線出口溫度以使干線出口溫度的溫度波形形成特征波形；

S2、記錄干線出口至任意的第i個支線入口間任意的第j段的流量F_j，以及任意的第i條支線的流量F_Ri，并檢測各個小區入口處的溫度變化直至出現特征波形；

S3、根據檢測到的各個小區入口處的溫度變化出現特征波形的時間以及干線出口處形成特征波形的時間計算出當前干線出口流量下干線出口至各個小區入口之間的流量延遲時間；

S4、采集所述當前干線出口流量、流量F_j、流量F_Ri以及流量延遲時間，判斷是否已完成預設的n次模擬，如果判斷結果為否，則返回步驟S1，如果判斷結果為是，則進入步驟S5，其中，n為正整數；

S5、判斷是否已完成預設的m次模擬，如果判斷結果為否，則調節干線出口流量，并返回步驟S1，如果判斷結果為是，則結束，其中，m為正整數。

2.根據權利要求1所述的基于分類預測的能量對齊方法，其特征在于，所述用能特性包括：用能類型、用能多少以及供能距離；其中，所述用能類型包括：冷能源和/或熱能源。

3.根據權利要求2所述的基于分類預測的能量對齊方法，其特征在于，對分類后獲得的不同類型的能源用戶分別進行負荷預測包括：

根據所述能源用戶的類型分別預先設置不同的訓練參數；

根據不同類型能源用戶的對應的訓練參數以及預建的訓練模型，對該類型的能源用戶進行負荷預測。

4.根據權利要求3所述的基于分類預測的能量對齊方法，其特征在于，所述訓練模型包括以下一種或多種：線性回歸模型、多項式回歸模型、時間序列模型、決策樹模型、反向傳播BP神經網絡模型、徑向基函數RBF神經網絡模型、K近鄰KNN模型、狀態空間模型、灰色預測模型以及隨機森林模型。

5.根據權利要求1所述的基于分類預測的能量對齊方法，其特征在于，所述根據所述不同類型的能源用戶對應的所述流量延遲時間對能源供應時總管出口處的能源進行對齊包括：

分別截取與每種類型的能源用戶對應的流量延遲時間內所需提供的負荷；

將截取的所述每種類型的能源用戶對應的負荷量求和，作為能源供應中總管出口處未來預設時長內需要提供的總負荷。